AI動画 · Alibaba Tongyi Wanxiang

Wan 2.6で、声まで本人のマルチショット・ショートドラマの主役に

AIに聞く ▾

Wan 2.6は、AlibabaのTongyi Wanxiangチームが2025年12月16日に公開した動画モデルです。うたい文句はシンプルで「あなた自身が動画に出られる」こと。自分や友人、オリジナルキャラクターの短いクリップをアップロードすれば、その見た目と声を借りてまったく新しいシーンを演じてくれます。一行のアイデアを加えるだけで複数のショットを組み立て、カットが変わっても同じ顔を保ち、セリフ・効果音・リップシンクまで一度に仕上げます。このページでは、Wan 2.5からの進化点、ショートドラマ制作者やネット販売者の活用例、楽しいアイデア5つ、作り方の手順、すぐに貼り付けられるプロンプトテンプレートを紹介します。

  • 参照動画でロールプレイ
  • 1つのプロンプトでマルチショット
  • セリフ・効果音・リップシンク
Wan 2.6で写真を動かす →

Wan 2.5からWan 2.6へ:新たにできること

Wan 2.5の時点で音声はすでにセットになっていましたが、1本のクリップは1ショットで最長10秒、キャラクターもその1回の生成の中にしか存在しませんでした。新バージョンでは、こうした制約が機能に変わりました。クリップは最長15秒になり、1つのプロンプトを複数のカメラ構成に分けられ、参照動画を使えば同じ人物を別々のシーンに何度でも登場させられます。物語をシリーズで届けたい人にとって、この一貫性は画質の向上以上に大きな意味を持ちます。

AlibabaはModel Studioでこのモデル群を3つのモードで提供しています。テキストから動画、画像から動画、そして参照から動画(R2Vと略されることが多い)です。出力は720Pまたは1080P、24fpsで、横長16:9か縦長9:16、長さは5秒・10秒・15秒から選べます。

Wan 2.5Wan 2.6
最長クリップ10秒15秒
1クリップのショット数1つの連続ショット1つのプロンプトから複数ショットを構成
実在・架空キャラクターの起用開始画像経由のみ参照動画で見た目と声を再現
1シーンに2人のキャラクター制御が難しい参照2つ、それぞれ固有の声
音声音声に対応セリフ・効果音・リップシンクを一度に

参照動画でロールプレイ:誰でもシーンの主役に

目玉機能はロールプレイで、Alibabaはこれを中国の動画モデルとして初めての機能だとしています。短いクリップを撮るか選ぶだけ。誰かが話して動いている数秒の映像があれば十分で、モデルがその外見と声のトーンを読み取ります。あとはシーンを書くだけです。カフェに入る、屋上で口論する、商品を紹介する。キャラクターがそれを演じ、聞こえてくる声も既製のナレーターではなく参照どおりの声になります。

参照は複数でも使えます。クリップを2つ使えば、それぞれが自分の声を保ったまま掛け合う2人の会話に。人物と物やペットを組み合わせれば「愛犬とビーチで」のようなシーンも作れます。プロンプトでは参照を通常character1、character2と呼ぶので、誰が何をするかを指定しやすくなっています。

  • ソロ:クリエイターが撮影なしで探偵やシェフ、ニュースキャスターとして登場。
  • デュオ:友人2人やオリジナルキャラクター2人が、それぞれの声でセリフを交わす。
  • 人物と物:ホストと商品、飼い主とペットが自然に同じ画面に収まる。

1つのアイデアから複数ショット:マルチショット演出の仕組み

「駅での再会」と頼んでも、モデルは引きの映像を1つ出すだけではありません。アイデアを小さな脚本に広げ、たとえば状況を見せる引きのショット、顔のクローズアップ、肩越しに見せるショットを作り、同じ人物・衣装・舞台を保ったままカットをつなぎます。自分でコントロールしたいなら、ショットを自分で書きましょう。1ショットにつき1行で、構図とカメラワークを指定します。

縦型ショートドラマのスタジオでこのリリースが一気に広まったのはそのためです。3ショットで15秒のクリップは、対立・どんでん返し・引きを描くのにちょうどいい長さで、つなぎ合わせたクリップにありがちな、カットごとに顔が変わってしまう問題も起きません。

Three-panel storyboard of two friends meeting in a cafe, showing wide, medium and close-up shots

注目の活用シーン:ショートドラマ、ショップ動画、広告

このモデルはプロの映像制作や広告向けに位置づけられており、毎週たくさんの短く一貫した動画を必要とするチームで、最初の分かりやすい活用が生まれています。

  • 縦型ショートドラマや漫画原作の映像化:キャラクター参照1つと3ショットのプロンプトで、対立とどんでん返しを9:16で。毎話そのまま量産できます。
  • EC・ライブコマース用クリップ:ホストが商品を手に持ち、魅力を一言伝えてカメラに微笑む。同じクリップの中で商品を複数の角度から見せられます。
  • ブランドキャンペーン:同じスポークスパーソンやマスコットが、数十本の広告や多言語展開でもひと目で分かる姿を保ちます。
  • Vlogやショートコント:クリエイターが自分のクリップを入れるだけで、撮影していないコントの主役に。
  • 研修やプリビズ:講師は台本をしゃべる解説動画に、監督は本番撮影前にシーンを事前確認できます。

みんなが作り続ける楽しいアイデア5選

基本をつかめば、手軽に作れてシェアしやすいことから、SNSで何度も見かけるフォーマットがいくつかあります。

  • わたしとペット:夕暮れにゴールデンレトリバーとボール遊び。スローモーションで、鳴き声と波の音つき。
  • 2つの声の掛け合い:2つの参照が言い争ったり、いちゃついたり、仲直りしたり。どのセリフも正しい声で。
  • 一文マイクロムービー:たった一文が、音楽と環境音つきの3ショット短編映画に。
  • しゃべる写真:古い肖像写真や自撮りがカメラの方を向き、あなたが書いたセリフを話す。
  • 1人の主人公でシリーズ化:同じキャラクターが毎日新しい場所に登場し、物語を紡いでいく。

Wan 2.6で動画を作る5つのステップ

AlibabaのWanxiangサイトでもModel StudioのAPIでも流れは同じで、違うのはボタンの見た目だけです。

  1. モードを選ぶ:新しいアイデアならテキストから動画、写真を動かすなら画像から動画、キャラクターを起用するなら参照から動画。
  2. 素材を追加する:開始画像、またはキャラクターごとに約2〜10秒の参照クリップ。
  3. ショットを書く:1ショット1行で、構図(引き、ミディアム、クローズアップ)とカメラワークを指定し、セリフは話し手を明記して引用符で囲みます。
  4. フォーマットを選ぶ:720Pか1080P、5秒・10秒・15秒、16:9か9:16。
  5. 生成して確認し、ダウンロード。手や顔が不自然なら、動作を短くするか別のショットに分けましょう。

コピーして使えるWan 2.6プロンプトテンプレート

これらのテンプレートは、モデルが最も読み取りやすいショットごとの書き方に沿っています。人物・場所・セリフを入れ替えて、構成はそのまま使ってください。

3ショットのショートドラマ

Shot 1: wide shot, rainy night street, a young woman in a red coat stops under a neon sign. Shot 2: close-up, she turns and says "You finally came." Shot 3: over-the-shoulder, a man in a black jacket steps out of the shadows. Cinematic lighting, 9:16, consistent characters.

商品紹介

Medium shot, a female host holds a glass serum bottle toward the camera, smiles and says "Three drops, every night." Soft studio light, product label readable, clean beige background.

参照ロールプレイ

character1 walks into a cozy café, waves at character2, they sit down and laugh; warm afternoon light, handheld camera, natural ambient sound.

人物とペット

character1 plays fetch with a golden retriever on a beach at sunset, slow-motion jump, waves and barking sounds.

サマー・ルックブック(18+)

Shot 1: wide shot, a confident adult woman (25+) in a white bikini walks along a tropical pool deck. Shot 2: medium shot, she adjusts her sunglasses and smiles at the camera. Shot 3: close-up, water ripples, summer music. Fashion-editorial style, 9:16.

水着ランウェイ(18+)

Wide shot, adult models in colorful swimsuits walk a seaside runway at golden hour, camera tracks alongside, crowd cheering and upbeat music, then a close-up of the lead model turning to camera.

ヒント:引用したセリフの前に必ず話し手を書き、複雑な体の動きは1ショットに収めましょう。

Wan 2.6、Wan 3.0、Kling 3.0:最適なツールの選び方

Alibabaはその後Wan 2.7とWan 3.0をリリースしましたが、このバージョンは今もModel Studioで提供されており、多くの用途で賢い選択肢です。クリップが15秒以内で、声まで分かる繰り返し登場するキャラクターを何より重視するなら、これで十分。最長30秒のワンテイクが必要な場合や、ドキュメントやWebページを入力したい場合はWan 3.0を。KuaishouのKling 3.0は、ネイティブ音声付きのマルチショット動画で最も近いライバルです。

Wan 2.6Wan 3.0Kling 3.0
向いている用途ロールプレイのシリーズ、ショップ動画、ショートドラマの見せ場長めのワンテイク、ドキュメントやWeb入力音声付きのマルチショットシーン
最長クリップ15秒最長30秒最長15秒
オープンウェイトなしなしなし

クリエイターの声

中国のショート動画制作者や海外のテスターからの初期の反応には、はっきりした傾向があります。評価されているのは、カットをまたいでもキャラクターが崩れないことと、中国語のセリフのリップシンク。これは海外製ツールの弱点だった部分です。商品の販売者からは、後から吹き替えるのではなくホスト自身がセリフを話せる点が好評です。

不満点も同じくらい共通しています。ダンスやアクションのような複雑な動きでは手足がまだ曲がってしまうことがあり、15秒クリップの最後の数秒が参照から離れてしまうこともあります。また公式の審査は厳しく、無害に思える水着や恋愛系のプロンプトでも拒否されることがあります。最初の2つについては、各動作を1ショット内に収めることで多くのユーザーが回避しています。

オープンソース、ダウンロード、ComfyUI:率直な答え

AlibabaはWan 2.6の重みを公開していません。利用はWanxiangサイトかModel Studio API経由で、このバージョン名が付いたComfyUIノードも、自分のGPUでモデルを動かすのではなくホスト型APIを呼び出しているだけです。このバージョンのダウンロード版や「無修正」版として売られているファイルは、たいてい古いオープンモデルの名前を変えたものです。

実際にダウンロードできる最新のWan動画モデルはWan 2.2で、Apache-2.0ライセンスのもとGitHubとHugging Faceで公開されています。テキストから動画、画像から動画、小型の5Bモデルがあり、ファインチューンやLoRAの大きなコミュニティもあります。

Wan 2.6 無修正動画ジェネレーター

Alibaba自身のプラットフォームでは、すべてのプロンプトとアップロードがコンテンツ審査を通るため、ヌードや露骨なシーンはブロックされます。Spicy AIなら、成人向け(18歳以上)のフィクションに対して制限の少ないWan 2.6の画像から動画生成を利用できます。最初の写真をアップロードし、動きとセリフを書いて、5秒・10秒・15秒から選ぶだけ。人気なのは、ビキニ姿のプールサイド・ルックブック、ランジェリー風のスタジオ撮影、架空の成人キャラクターによるビーチ旅行Vlogなどです。

Adult model in a white bikini walking along a tropical pool deck for a summer lookbook video

登場人物はすべて成人である必要があります。実在の人物を本人の許可なくアップロードしないでください。

Wan 2.6 画像から動画を開く

公式のWan 2.6とSpicy AIでの生成の比較

公式サービスSpicy AI オンライン
コンテンツフィルターAlibaba CloudとWanxiangで審査あり成人向け(18+)コンテンツ可
オープンウェイトなし、クローズドなサービス該当なし、オンラインで動作
実際に使われるモデルテキスト・画像・参照モード開始写真からのWan 2.6 画像から動画
料金Model Studioで動画の秒数ごとに課金無料で始められ、追加はクレジット
  • 公式:WanxiangサイトとAPIで参照動画ロールプレイとテキストから動画。
  • Spicy AI:自分の写真をアップロードしてブラウザで動かせます。

よくある質問

Wan 2.6を開発したのは誰で、いつリリースされましたか?

AlibabaのTongyi Wanxiangチームが2025年12月16日に、Alibaba Cloud Model StudioとWanxiangサイトで公開しました。

動画はどのくらいの長さにできますか?

1クリップは5秒・10秒・15秒で、720Pまたは1080P、24fpsです。

参照から動画のロールプレイとは何ですか?

短い参照クリップをアップロードすると、モデルがその人物の見た目と声を再現し、プロンプトに沿った新しいシーンを演じます。ソロのシーン、2人の会話、人物と物やペットの組み合わせに対応しています。

セリフ付きの動画は作れますか?

はい。音声は映像と同時に生成され、リップシンク付きの話し声、効果音、環境音が含まれます。

オープンソースですか?ダウンロードできますか?

公式の重みは公開されていないため、Alibabaのサービス上でしか動きません。ローカルで動かせる最新のオープンウェイトWan動画モデルはWan 2.2です。

Wan 2.6とWan 3.0、どちらを選ぶべきですか?

最長30秒のワンテイクや、ドキュメント・Web入力が必要ならWan 3.0を。15秒以内のクリップ、特にロールプレイのシリーズや商品動画なら、旧リリースでも十分に適しています。

無修正版はありますか?

重みが公開されたことがないため、公式版にも信頼できるコミュニティ版にも無修正版はありません。その名前のダウンロードは、たいてい古いオープンモデルです。

出典

すべての無修正AIモデルを見る →

WanおよびTongyi WanxiangはAlibaba Groupの商標です。すべてのコンテンツは成人(18歳以上)を描写したものでなければなりません。

Sign in

Welcome to Spicy AI

or